首页 > 分享 > 一种基于Android平台的植物叶片识别方法

一种基于Android平台的植物叶片识别方法

花匠小妙招
2025-01-03 04:45

该【一种基于Android平台的植物叶片识别方法】是由【开心果】上传分享，文档一共【6】页，该文档可以免费在线阅读，需要了解更多关于【一种基于Android平台的植物叶片识别方法】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。一种基于Android平台的植物叶片识别方法一种基于Android平台的植物叶片识别方法本发明涉及一种基于Android平台的植物叶片识别方法,包括(1)对待检测植物图像进行感兴区裁剪,选择单机识别则执行(2),选择联网识别则执行(4);(2)联合K最邻近结点分类器和支持向量机,利用Android平台的数据库对待检测植物图像进行分类识别;(3)求取待检测植物图像的特征描述向量与数据库中所有植物图像的特征描述向量的欧式距离,取欧氏距离最小的前五种植物种类,判断得到的目标植物种类是否在五种植物种类里,是则执行(5),否则执行(4);(4)通过HTTP协议将感兴区图像发送到服务器端。与现有技术相比,本发明图像处理实时高效,利用NDK以及JNI技术显著提高了识别分类的准确度与速度。【专利说明】—种基于Android平台的植物叶片识别方法【技术领域】[0001]本发明涉及数字图像处理和模式识别【技术领域】,尤其是涉及一种基于Android平台的植物叶片识别方法。【背景技术】[0002]地球上大约有400000种植物,我国是世界第二大植物物种资源库。植物物种的分类与识别是植物学研究和农业生产的重要基础工作,是人类认识植物,掌握植物的进化规律,了解植物的基本特性并且加以利用的基础,可应用于农作物病虫害识别、农作物长势监测等领域,同时与农、林、牧、副、渔、中医药等领域也有着密切关系。传统的植物分类学研究一般对采集的标本需要人工测量、获得数据,综合植物的外部特征,通过人们的经验常识进行分类,这种方法工作量巨大,并且主观性较强,导致识别错误的可能性大。随着机器学习、模式识别、图像处理等技术的快速发展,我们可以借助计算机的强大计算能力,对植物进行快速客观的分类。在植物的根、茎、叶、花、果实、种子六大器官中,叶以其数量相对较大,生长周期相对较短,采集方便、伤害较小等优势成为进行植物识别的首选。由于生长环境的不同,基因的差异,不同的植物的叶片在形状、纹理上都有着或大或小的差异,因此采集叶片的图像,得到其特征参数,将使人们对植物进行准确的分类。[0003]现代的植物叶片识别系统通过获取质量较高的叶片图像,对图像进行形态学的预处理,分割出感兴趣的部分,接着通过高效的算法提取图像的特征参数,最后将特征参数送入分类器,得到结果。即将图像处理与机器学习的理论技术应用在叶片图像上,达到分类和识别的目的。[0004]过去10年,欧美等国家不断呼吁采用数字图像处理和模式识别技术将植物物种鉴定实现全自动或半自动计算机辅助计算,MilanieThibaut等人在对杨柳科植物进行的分类研究,。目前国际上只有美国哥伦比亚大学和史密斯植物学会在开发基于IOS系统的手机和平板电脑的植物叶片识别系统。而国内尚无基于移动设备的植物叶片识别软件。[0005]随着Android系统的兴起,大量的移动设备包括手机、平板电脑都采用了这款强大的嵌入式操作系统,2012年11月数据显示,Android占据全球智能手机操作系统市场76%的份额,中国市场占有率为90%。由于植物的生长环境基本都在室外,传统的台式机,笔记本不适合随身携带来采集识别植物叶片,而手持设备体积小,方便携带,并且摄像系统的普及以及3G时代的到来,将十分有利于利用手机、平板等采集叶片,通过单机或者联网的形式对植物叶片进行处理识别。【发明内容】[0006]本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于Android平台的植物叶片识别方法。[0007]本发明的目的可以通过以下技术方案来实现:一种基于Android平台的植物叶片识别方法,其特征在于,包括以下步骤:[0008](I)利用Android平台的图像处理API,对待检测植物图像进行感兴区裁剪,对裁剪后的感兴区图像选择单机识别则执行步骤(2),选择联网识别则执行步骤(4);[0009](2)计算感兴区图像的特征梯度直方图特征向量,联合K最邻近结点分类器和支持向量机,利用Android平台的数据库对待检测植物图像进行分类识别,得到待检测植物所属的目标植物种类;[0010](3)求取待检测植物图像的特征描述向量与Android平台的数据库中所有植物图像的特征描述向量的欧式距离,取欧氏距离最小的前五种植物种类,判断步骤(2)得到的目标植物种类是否在欧式距离最小的五种植物种类里,是则执行步骤(5),否则,执行步骤(4);[0011](4)通过HTTP协议将感兴区图像发送到服务器端,服务器端用servlet进行接收,之后对接收的图像提取特征梯度直方图特征向量,接着送入支持向量机进行分类识别,并将识别结果返回Android平台;[0012](5)显示待检测植物的根、茎、叶、花、果实及种子图片,以及该种植物的科普介绍信息内容。[0013]在Android平台上实施步骤⑵具体为,搭建Android开发环境,下载安装配置NDK和Cygwin,之后利用JNI编写联合K最邻近结点分类器和支持向量机的方向梯度直方图图像特征描述方法文件,再利用NDK生成动态链接库,将编写的方法文件打包放在Android平台中,运行方法文件对待检测图像进行分类识别。[0014]与现有技术相比,本发明方法可应用于基于Android平台的终端,实现对采集到的植物叶片图像进行分析处理,将图像采集、分割、展示、分类、存储、检索等功能集成于一体,方法结构清晰,图像处理实时、高效,同时利用NDK以及JNI技术,显著提高了识别与分类的准确度与速度。【具体实施方式】[0015]下面结合具体实施例对本发明进行详细说明。[0016]一种基于Android平台的植物叶片识别方法,其特征在于,包括以下步骤:[0017](I)利用Android平台的图像处理API,对待检测植物图像进行感兴区裁剪,对裁剪后的感兴区图像选择单机识别则执行步骤(2),选择联网识别则执行步骤(4);[0018](2)计算感兴区图像的特征梯度直方图特征向量,联合K最邻近结点分类器和支持向量机,利用Android平台的数据库对待检测植物图像进行分类识别,得到待检测植物所属的目标植物种类;[0019](3)求取待检测植物图像的特征描述向量与Android平台的数据库中所有植物图像的特征描述向量的欧式距离,取欧氏距离最小的前五种植物种类,判断步骤(2)得到的目标植物种类是否在欧式距离最小的五种植物种类里,是则执行步骤(5),否则,执行步骤(4);[0020](4)通过HTTP协议将感兴区图像发送到服务器端,服务器端用servlet进行接收,之后对接收的图像提取特征梯度直方图特征向量,接着送入支持向量机进行分类识别,并将识别结果返回Android平台;[0021](5)显示待检测植物的根、茎、叶、花、果实及种子图片,以及该种植物的科普介绍信息内容。[0022]在Android平台上实施步骤⑵具体为,搭建Android开发环境,下载安装配置NDK和Cygwin,之后利用JNI编写联合K最邻近结点分类器和支持向量机的方向梯度直方图图像特征描述方法文件,再利用NDK生成动态链接库,将编写的方法文件打包放在Android平台中,运行方法文件对待检测图像进行分类识别。【权利要求】,其特征在于,包括以下步骤:(1)利用Android平台的图像处理API,对待检测植物图像进行感兴区裁剪,对裁剪后的感兴区图像选择单机识别则执行步骤(2),选择联网识别则执行步骤(4);(2)计算感兴区图像的特征梯度直方图特征向量,联合K最邻近结点分类器和支持向量机,利用Android平台的数据库对待检测植物图像进行分类识别,得到待检测植物所属的目标植物种类;(3)求取待检测植物图像的特征描述向量与Android平台的数据库中所有植物图像的特征描述向量的欧式距离,取欧氏距离最小的前五种植物种类,判断步骤(2)得到的目标植物种类是否在欧式距离最小的五种植物种类里,是则执行步骤(5),否则执行步骤(4);(4)通过HTTP协议将感兴区图像发送到服务器端,服务器端用servlet进行接收,之后对接收的图像提取特征梯度直方图特征向量,接着送入支持向量机进行分类识别,并将识别结果返回Android平台;(5)显示待检测植物的根、茎、叶、花、果实及种子图片,以及该种植物的科普介绍信息内容。,其特征在于,在Android平台上实施步骤(2)具体为,搭建Android开发环境,下载安装配置NDK和Cygwin,之后利用JNI编写联合K最邻近结点分类器和支持向量机的方向梯度直方图图像特征描述方法文件,再利用NDK生成动态链接库,将编写的方法文件打包放在Android平台中,运行方法文件对待检测图像进行分类识别。

一种基于Android平台的植物叶片识别方法来自淘豆网www.taodocs.com转载请标明出处.